機器學習基礎

以最小平方法將直線 y = ax + b 擬合到3筆資料 (x, y) = (1, 3)、(2, 4)、(3, 8)。x = 4 時的預測值為何者?

  1. A10
  2. B10.5
  3. C12
查看答案與解析

正確答案:A. 10

最小平方法是決定a與b,使各筆資料的實際值與直線之值的差(殘差)的平方和最小的方法。x的平均為2,y的平均為5,因此斜率為 a = Σ(x − 2)(y − 5) ÷ Σ(x − 2)² = (2 + 0 + 3) ÷ 2 = 2.5,截距為 b = 5 − 2.5 × 2 = 0。因此,x = 4 時的預測值為 2.5 × 4 = 10。

  • A. 正確。迴歸直線為 y = 2.5x,因此預測值為 2.5 × 4 = 10。
  • B. 這是以通過第一點與最後一點 (1, 3) 與 (3, 8) 的直線 y = 2.5x + 0.5 預測的值。最小平方法會考慮全部3點的殘差。
  • C. 這是延長通過最後兩點 (2, 4) 與 (3, 8) 之直線所得的值。
練習這個領域 前往領域頁面

相關計算工具

機器學習基礎的其他題目

  1. 在邏輯斯迴歸中,將 z = 2x − 4 代入S型函數 σ(z) = 1 ÷ (1 + e^(−z)) 所得的值,作為陽性的機率輸出。x = 2 時的輸出為何者?
  2. 決策樹的某個節點中,有類別A的資料6筆、類別B的資料4筆。此節點的吉尼不純度為何者?
  3. 下列關於集成學習中裝袋法(Bagging,例如隨機森林)與提升法(Boosting)之差異的敘述,何者適當?
  4. 以k最近鄰法預測二維點 (0, 0) 的類別。訓練資料為紅色的點 (1, 0)、(3, 0)、(0, −3) 與藍色的點 (0, 2)、(−2, 1)。以歐幾里得距離計算時,k = 3 與 k = 5 的預測組合何者正確?
  5. 下列關於支援向量機(SVM)的敘述,何者適當?